Resumen

Para explorar el rendimiento de la red DenseNet mejorada en el diagnóstico de nódulos pulmonares (PNs) y en la diferenciación entre PNs benignos y malignos, se aplicó la red DenseNet mejorada para segmentar imágenes de resonancia magnética de 60 pacientes con PNs, que fueron definidos como el grupo de prueba, mientras que aquellos segmentados por el método tradicional fueron considerados como el grupo de control. Los resultados de resonancia magnética fueron comparados con los resultados diagnósticos patológicos, y los efectos de la segmentación fueron evaluados teniendo en cuenta la precisión, la sensibilidad, el coeficiente de similitud de Dice y la intersección sobre unión (IoU). Los resultados mostraron que el algoritmo de la red DenseNet mejorada presentó una mayor precisión, tasa de sensibilidad, coeficiente de Dice y IoU en comparación con el método tradicional, y la diferencia fue notable (). El algoritmo de la red DenseNet mejorada tuvo una mayor precisión diagnóstica en cuanto al volumen de los PNs, lóbulos, bordes, y adherencia

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Red mejorada de la red densenet; Nódulos pulmonares; Imágenes de resonancia magnética; Precisión diagnóstica; Benigno y maligno; Algoritmo de segmentación
• Keywords:Improved densenet network; Pulmonary nodules; Mri images; Diagnostic accuracy; Benign and malignant; Segmentation algorithm